RF模型（随机森林模型）详解
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、RF简介RF模型属于集成学习中的bagging流派1、集成学习简介集成学习分为2派：（1）boosting：它组合多个弱学习器形成一个强学习器，且各个弱学习器之间有依赖关系。（2）baggin
多分类损失函数（机器学习）
预测值越接近真实标签值，交叉熵损失函数值越小，反向传播的力度越小。为什么不能使用均方差损失函数作为分类问题的损失函数？凸性与最优解求导运算的复杂性和运算量则损失函数为：可以看到由于分类错误，loss2的值比loss1的值大很多。反向传播误差矩阵为：本来是第二类，误判为第一类，所以前两个元素的值很大
wandb训练模型报API错误
wandb: W&B API key is configured (use `wandb login --relogin` to force relogin)wandb是Weight & Bias的缩写，一句话，它是一个参数可视化平台。wandb强大的兼容性，它能够和Jupyter、TensorFl
AAAI2023 | DeMT: CNN+Transformer实现多任务学习（分割/深度等）
本文结合了可变形CNN和query-based 的Transformer优点，提出了一种新的MTL模型，用于密集预测的多任务学习，基于简单有效的编码器-解码器架构（即，可变形混合器编码器和任务感知transformer解码器），称之为DeMT。
OpenCV人脸识别，训练模型为cv2.face.LBPHFaceRecognizer_create()
OpenCV内部自带有三种人脸检测方式LBPH人脸识和其他两种方法（Eigen人脸识别，FisherFace人脸识别）本次主要说明第一种方式LBPH检测。
分段模型线性化(PWL)【Python|Gurobi实现】
在许多问题中，可能既包含着纯线性函数，也包含着分段线性函数。在这一节，我们使用运输问题解释处理分段线性模型的各种方法。从几何的观点，下图为一个经典的分段线性函数。这个函数由四条线段构成，分段点为4、5 和 7。这三个分段点，将整个函数分为(-∞, 4) 、 [4, 5) 、 [5, 7) 和 [7,
堪称经典，一个非常适合初学者的机器学习实战案例
哈喽，大家好。今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于 Kaggle 网站，是很多算法初学者的第一道竞赛题目。该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余
cuda常见报错
cuda常见报错
darknet训练yolov7-tiny(AlexeyAB版本)
darknet训练yolov7-tiny目标检测网络
人工智能：TensorFlow深度学习框架介绍
官方解释：“TensorFlow是一个开源软件库，主要用于各种感知和语言理解任务的机器学习。”简单来说TensorFlow 是一个用于机器学习的开源框架，可以用来快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。
标注工具—labelme， label-studio
标注工具—labelme， label-studio
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表CUDA下载地址CUDNN下载地址torch下载英伟达显卡下载一、TensorFlow对应版本对照表版本Python 版本编译器cuDNNCUDAtensorflow-2.9.03.7-3.108.111.2ten
一种基于物理信息极限学习机的PDE求解方法
近年来，物理信息驱动的深度学习方法用于科学计算问题受到了越来越多的关注，其中，physic informed neural network(PINN)在求解微分方程(PDE)正逆问题上展现出巨大的优势，但是并不适用于某些需要实时响应的应用。由此，下面将介绍一种基于物理信息极限学习机的PDE求解方法，
【Keras+计算机视觉+Tensorflow】OCR文字识别实战（附源码和数据集 超详细必看）
【Keras+计算机视觉+Tensorflow】OCR文字识别实战（附源码和数据集 超详细必看）
Opencv图像特征点提取(
Opencv三种特征ORB、SIFT、SURF特征介绍，图像金字塔，灰度质心法
多模态融合相关概念
多模态图像融合
CBAM——即插即用的注意力模块（附代码）
论文：CBAM: Convolutional Block Attention Module代码：GitHub - Jongchan/attention-module: Official PyTorch code for "BAM: Bottleneck Attention Module (BMVC2
Ubuntu 20.04 配置深度学习开发环境
写在前面由于笔者目前用的是VMware下的Ubuntu20.04，曾经也尝试过安装GPU版本的Pytorch，但虚拟机下安装英伟达驱动一直困扰着我。于是安装了cpu版本的Pytorch，凑合着跑通了深度学习项目（QAQ）后来了解到需要安装vSphere Bitfusion Client客户端，但由于
imu内参标定
imu内参标定，为imu-cam标定做准备
